采用RBF神经网络辨识的柔性机械臂抑振控制策略

针对柔性机械臂在运动过程中受到柔性因素的影响会出现剧烈振动的问题，提出一种采用径向基(RBF)神经网络辨识的柔性机械臂抑振控制策略，通过减弱机械臂转角波动的方式间接抑制振动。首先，根据拉格朗日原理和假设模态法建立柔性机械臂的动力学模型，其中的不确定项由模态坐标和转角耦合的非线性项构成；其次，在控制律的设计中采用RBF神经网络对动力学模型的不确定项进行辨识补偿，从而提高驱动力矩的精度；最后，通过调整神经网络权重自适应律的系数，使包含辨识结果的控制律满足李亚普诺夫稳定性定理，从而保证动力学系统的稳定性，其中权重自适应律由高斯函数和误差向量组成。采用柔性机械臂实物控制平台的对比实验结果表明：所提出的控制策略能够有效减小柔性机械臂的转角误差和振动幅值；当柔性机械臂长度为1.5 m时，相比常规比例微分控制策略，采用RBF神经网络辨识的控制策略使机械臂末端振动敏感方向的加速度的方差下降了5.8%。该控制策略为柔性机械臂的振动抑制提供了新思路。     

采用摩擦补偿的弹药传输机械臂自适应终端滑模控制

为处理某自行火炮弹药传输机械臂系统在负载变化和非线性摩擦干扰情况下的快速定位控制问题,构造了一种结合自适应思想的新型非奇异快速终端滑模控制策略.建立了负载变化及非线性摩擦干扰情况下的弹药传输机械臂动力学方程.为避免控制器产生奇异问题和改进控制器到达滑模面的速度,采用一种新型非奇异快速终端滑模控制策略,设计了弹药传输机械臂的控制律.针对系统不确定上界难以确定的问题,采用自适应律估计系统的不确定上界,并利用Lyapunov准则证明了系统状态的有限时间收敛.为实现系统非线性摩擦补偿控制,使用遗传算法对建立的Stribeck模型进行参数辨识.不同负载工况下弹药传输机械臂实验结果表明:文中设计的控制器实现了负载变化和非线性摩擦情况下弹药传输机械臂的快速准确定位,具有良好的鲁棒性,控制策略合理有效.     

有效因子融合的可重构机械臂分散容错控制方法

针对含有动态摩擦的可重构机械臂轨迹跟踪执行器部分失效故障的问题,提出一种基于有效因子融合的分散反演滑模容错控制方法。将可重构机械臂的每个关节模块考虑成一个子系统,将有效因子融合到子系统动力学模型中。基于Lyapunov稳定性理论,子系统误差状态空间分别采用了反演思想和终端滑模进行控制器设计,并利用径向基函数(RBF)神经网络估计系统模型的不确定项和交联项,自适应地补偿了神经网络的估计误差。最后,数值仿真结果表明了提出的分散容错方法的有效性。     

带有未知参数和有界扰动的机械臂混沌反控制

混沌反控制是指通过对在自然状态下并不存在混沌的系统设计控制方案来实现闭环系统的混沌.文中针对带有未知参数和有界扰动的机械臂,设计了一种带有自适应终端滑模项的RBF神经网络控制器,来实现机械臂的混沌反控制.采用RBF神经网络逼近系统的未知非线性函数,通过自适应终端滑模实现系统对外界扰动的鲁棒性;利用Lyapunov稳定性定理证明了闭环系统所有信号的最终一致有界;最后,以两连杆平面机械臂为例,通过仿真验证了所提方法的可行性与有效性.     

基于神经网络的机械臂任务空间滑模同步控制

针对存在不确定性的多机械臂系统,运用RBF神经网络,设计了一种新的滑模同步控制器,解决了多机械臂同步运动问题。根据无向图理论,定义机械臂之间的同步误差和交叉耦合误差。使用自适应律在线更新RBF神经网络权值,逼近并补偿机械臂的运动学不确定性和动力学不确定性。根据Lyapunov方法进行了稳定性分析。最后通过仿真验证了同步控制器的稳定性和有效性。     

基于RBF神经网络的多移动机械臂同步控制

以多固定基机械臂同步控制为基础,应用RBF神经网络方法,并结合领导者-追随者(主从控制)通信拓扑方法,针对存在不确定性的多移动机械臂系统,设计出一种新的分布式主从同步控制器,并使得控制器的适应性得以提高。从动移动机械臂和领导移动机械臂之间的同步误差由主从式通信拓扑的网络结构来定义。本研究对从动移动机械臂的建模误差等不确定性进行了逼近和补偿,并对领导移动机械臂的控制力矩进行了估计,RBF神经网络的权值根据自适应律在线进行更新。通过Lyapunov方法验证了所设计控制算法的稳定性,最后通过Matlab仿真验证了其可行性。     

基于滑模补偿的六轴机械臂RBF网络自适应控制

提出了一种基于滑模补偿的RBF网络自适应控制方法,并将其用于六轴机械臂上,实现了在模型不确定情况下高精度的位置跟踪以及快速的逼近速度.为了更好地保证其在摩擦力、外部干扰误差和参数变化等因素影响下的稳定性,采用滑模控制作为辅助控制,对系统进行鲁棒补偿,并且用模糊控制对切换增益进行时变以更好地补偿不确定项.所设计的自适应律权值不断进行在线调整,并应用Lyapunov定理验证了其稳定性.通过仿真结果和与其他文献方法进行的比较证明了所给出方法收敛速度更快、鲁棒性更强.同时也证明了在实际工程中,实际建模参数与理想值相差很大.     

六自由度机械臂无模型自适应滑模控制

针对强耦合、非线性的六自由度机械臂系统难以建立精确数学模型的问题,提出了一种无模型自适应滑模控制方案。以无模型自适应方法与滑模变结构控制相结合,利用全格式动态线性化方法,将机械臂非线性模型转换为离散的动态线性时变模型,采用各关节的输入力矩和输出角速度来设计控制器,并引入滑模控制保证其收敛性。通过六自由度机械臂的Sim Mechanics模型进行了仿真实验,结果表明,相比于现有的无模型自适应方案,即使在没有建立六自由度机械臂精确数学模型的情况下,所设计的控制方案能实现各关节对理想速度更加迅速的响应和更加精准的跟踪,从而验证了所提出的无模型自适应滑模控制方案的可行性和有效性。     

多段线缆驱动连续型空间机械臂建模与控制

该文针对一类带有弹性杆的新型多段线缆驱动连续型空间机械臂的建模与控制问题开展研究,基于刚体等效建模思想建立了机械臂的几何模型。对每节机械臂进行单元划分,将各单元上的弹性杆等效为轻质连杆。在此基础上,应用欧拉-拉格朗日建模方法,建立了多段线缆驱动连续型空间机械臂动力学模型。针对系统中存在的参数不确定性与外部时变干扰,基于Lyapunov稳定性理论,提出了一种基于非奇异终端滑模有限时间控制(NTSMFC)的连续型机械臂控制方法。仿真结果表明：与比例-微分(PD)控制器相比,NTSMFC能在有限时间内快速跟踪期望姿态角,PD控制器的姿态跟踪快速性较低;NTSMFC姿态角稳态误差为±0.002 rad, PD控制器姿态角稳态误差为±0.01 rad。     

受限机械臂的自适应小波滑模位置/力混合控制

针对终端运动受约束的机械臂位置/力混合控制问题,提出了一种自适应小波滑模控制算法.该控制方案将滑模控制的鲁棒性及自适应调整能力与小波神经网络相结合,根据坐标变换得到降阶位置/力模型,针对降阶模型采用小波神经网络在线学习系统未知动力学模型中的非线性部分,同时引入滑模控制自动调整小波网络权值参数,从而对神经网络的固有逼近误差进行有效补偿,达到期望的跟踪性能.二自由度机械臂的仿真结果表明该控制器能保证系统快速有效跟踪指定参考信号.     

机械臂位置跟踪自适应反演滑模控制律设计

针对机械臂位置跟踪控制问题,设计了一种新型自适应反演滑模控制律。该方法利用机械臂各关节的位置和速度误差建立了滑模面函数,并根据反演原理设计了反演滑模控制律。然后,通过设计合适的自适应律对外部扰动进行在线补偿,降低了系统对外部扰动的敏感性,有效地抑制了系统的抖振。最后利用Lyapunov定理证明了系统的稳定性。仿真结果说明该控制律具有较好的控制性能。     

基于扩展状态观测器的伺服系统特征建模和自适应滑模控制

为抑制伺服系统中的转矩扰动和惯量变化对动态性能和稳态精度的影响,该文提出了1种基于扩展状态观测器(ESO)的伺服系统特征建模和自适应离散终端滑模控制方法。将伺服系统动力学模型中的摩擦力矩、转矩扰动和其他不确定性扰动归入集总扰动,并看作新的系统状态,设计ESO对其进行观测和补偿。在补偿后的广义被控对象基础上,通过采样其输入输出数据和在线参数辨识,建立伺服系统特征模型,并设计自适应离散终端滑模控制器。通过Lyapunov稳定性理论分析观测误差的收敛性,并证明跟踪误差的有限时间有界性。仿真结果表明,该文方法对转矩扰动有较强的鲁棒性,且能够适应20倍以内的转动惯量。     

水下机器人-机械手系统末端执行器固定时间轨迹跟踪控制

针对四自由度水下机器人搭载二自由度机械臂的水下机器人-机械手系统,设计一种基于固定时间扰动观测器的积分滑模控制方法.利用固定时间特性,设计固定时间扰动观测器实现对未建模动态与外部扰动的观测,并设计了一种基于积分滑模的固定时间轨迹跟踪控制策略.仿真研究表明,设计的控制方法可在固定时间内使水下机器人-机械手系统末端执行器精...     

基于操作空间的机械臂自适应模糊鲁棒控制

为提高动力学模型不确定的机械臂系统的跟踪精度, 提出了一种基于操作空间的自适应模糊的鲁棒轨迹跟踪控制方法。考虑存在未知的外部扰动和其他未建模动态, 引入GL(General Linear)矩阵及其乘法算子,利用模糊系统逼近任意非线性函数的能力对机械臂动力学进行前馈补偿, 通过鲁棒控制项抑制建模误差和有界扰动。该方法无需求解机械臂在操作空间的动力学模型。根据Lyapunov 稳定性理论证明了系统的稳定性,并通过仿真实验验证了所设计控制器能达到较好的轨迹跟踪效果。     

柔性串联机械臂的模糊自适应滑模控制系统设计

针对柔性串联机械臂传统控制方式的轨迹跟踪精度存在误差较大的缺陷,文章提出了一种结合柔性串联机械臂弹性动力学方程和模糊自适应滑模控制(sliding mode control,SMC)的控制方法。采用运动弹性动力学(kineto-elastic-dynamics,KED)法,结合系统的约束方程,建立了机械臂的弹性动力学方程,为系统提供控制对象模型;将模糊自适应算法与SMC控制器相结合,设计出一种新型SMC控制器,并运用Lyapunov函数验证该新型SMC控制器的稳定性;基于S-Function函数,建立机械臂的Matlab/Simulink仿真框图,对机械臂进行仿真分析。结果表明,模糊自适应SMC控制器具有轨迹跟踪精度高和稳态误差小的特点,验证了新型SMC控制器的有效性。     

旋转导向钻井稳定平台的RBF网络滑模变结构控制

针对旋转导向钻井稳定平台存在的摩擦问题带来的不确定性,提出一种基于RBF神经网络的自适应滑模变结构控制方法,以提高稳定平台控制的精确性和抗干扰能力。使用RBF神经网络对稳定平台模型中的不确定性进行逼近,通过设计RBF网络节点的唤醒与激活阈值来减少网络规模,同时设计权值调整的自适应律,并结合滑模控制增强系统的鲁棒性。分别采用一般滑模变结构控制方法和RBF神经网络滑模变结构控制方法进行仿真实验,结果表明,RBF神经网络滑模变结构控制方法能够有效地逼近控制对象模型,有较强的鲁棒性。     

带摩擦补偿的滚珠丝杠副进给系统自适应滑模控制

为了提高滚珠丝杠副进给系统的跟踪性能,采用了带摩擦补偿的自适应滑模控制方法.基于滚珠丝杠副进给系统轴向振动特性建立了两自由度的质量模型,根据模型的状态方程设计了系统的反演滑模控制器,考虑到外界干扰的影响设计了带自适应律的自适应滑模控制器.采用基于Stribeck摩擦模型的摩擦补偿方法和遗传算法对滚珠丝杠副进给实验台的Stribeck摩擦模型进行了参数辨识.采用建立的控制方法在实验台上进行了轨迹跟踪实验.实验结果表明:在没有使用摩擦补偿情况下自适应滑模控制器最大跟踪误差为31.85μm;使用带摩擦补偿的自适应滑模控制器,其最大跟踪误差减小为15.55μm.实验结果证明了针对滚珠丝杠副进给系统轴向振动特性模型设计的自适应滑模控制器具有较高的跟踪性能,并且采用带摩擦补偿的自适应滑模控制方法显著提高了滚珠丝杠进给系统的跟踪精度.     

环境约束可重构机械臂模块化力/位置控制

针对受环境约束的可重构机械臂系统,提出了一种自适应神经网络模块化力/位置控制方法.利用雅克比矩阵将机械臂末端与环境接触力映射到各关节,将系统动力学模型描述成一组通过耦合力矩相关联的子系统集合,通过控制各子系统的位置和力矩来达到控制末端执行器位置和接触力的目的.利用神经网络估计可重构机械臂系统的非线性项和交联项,通过自适应更新律在线估计神经网络权值函数,并引入滑模控制项补偿估计误差,从而保证闭环系统渐近稳定.最后,在不改变控制器参数的条件下对2个不同构形的2自由度可重构机械臂进行数值仿真,结果验证了所设计控制器的有效性.     

融合速度信息的机械臂自适应轨迹跟踪控制方法

针对机械臂动力学模型参数不确定性与速度信息不精确影响轨迹跟踪精度的问题，提出一种多传感器信息融合的机械臂参数自适应轨迹跟踪控制方法。首先将未建模动态视为系统内部干扰，简化机械臂动力学模型；其次采用反步控制方法为机械臂系统设计控制律，并为动力学模型中不确定参数设计自适应律；最后考虑使用单一位置传感器的差分值或转速计的测量值作为速度信息可靠性低的问题，通过多传感器信息融合方法为控制器提供更精确的速度信息。仿真与实验结果表明：采用融合速度信息能够提高所提控制方法的精度与稳定性，速度信息的精确性提升7%;与反步控制方法、自适应控制方法相比，所提控制方法具有更好的机械臂轨迹跟踪控制性能，轨迹跟踪误差分别降低了30%、50%。     

空间机器人的SVM非线性补偿滑模控制研究

为提高机械臂末端跟踪目标轨迹速度, 提出了一种基于SVM(Support Vector Machine)非线性模型估计的滑模控制方法。该方法通过SVM对参数不确定非线性项进行估计, 对空间机器人动力学模型进行补偿。这种从整个闭环系统稳定性出发设计的SVM非线性补偿滑模控制器, 不需要确切的数学模型, 从而提高了快速跟踪目标轨迹, 减小跟踪误差的动力学系统性能。仿真结果验证了该控制方法的有效性、可行性。